Estabelecendo a base experimental para a descoberta de inibidores de corrosão através de aprendizado de máquina

Resumo Criar revestimentos duráveis e ecológicos para proteção contra corrosão a longo prazo requer estratégias inovadoras para otimizar processos de design e desenvolvimento, conservar recursos e diminuir custos de manutenção. Nesse contexto, o aprendizado de máquina surge como um catalisador promissor, apesar dos desafios apresentados pela escassez de conjuntos de dados de alta qualidade no campo da pesquisa sobre inibição de corrosão. Para enfrentar esse obstáculo, criamos uma extensa biblioteca eletroquímica com cerca de 80 candidatos a inibidores. O comportamento eletroquímico de substratos AA2024-T3 expostos a inibidores foi capturado utilizando resistência à polarização linear, espectroscopia de impedância eletroquímica e técnicas de polarização potentiodinâmica em diferentes tempos de exposição para obter a imagem eletroquímica mais abrangente da inibição de corrosão ao longo de um período de 24 horas. Os resultados experimentais geram parâmetros-alvo e características de entrada adicionais que podem ser combinadas com descritores computacionais para desenvolver modelos de relação estrutura–propriedade quantitativa (QSPR) ampliados por características de entrada mecanísticas.